Сооснователь Anthropic Джек Кларк пересмотрел свой прогноз в сторону ускорения: самосовершенствующийся ИИ — системы, способные автономно проектировать собственное развитие, — может появиться уже к 2027 году. Поводом стали результаты нового бенчмарка от P-Zero Research, который измеряет не код или математику, а более редкое умение: насколько хорошо модель справляется с постановкой гипотез и самостоятельной оценкой экспериментов. Результаты улучшаются быстрее ожиданий.
Контекст
Джек Кларк — один из основателей Anthropic (компания основана в 2021 году командой бывших сотрудников OpenAI) и бывший директор по политике в OpenAI. Он известен взвешенным, нередко осторожным взглядом на таймлайны развития ИИ, поэтому сдвиг его прогноза вперёд — это содержательный сигнал, а не маркетинговый шум.
Бенчмарк P-Zero Research оценивает принципиально иной класс способностей: не точность на существующих задачах, а автономность исследовательского цикла. Модель получает задачу, сама формулирует гипотезы, выбирает способ проверки, интерпретирует результат и итерирует. Именно эта петля — ядро концепции самосовершенствующегося ИИ.
Тема не возникла на пустом месте. Ещё в 2024 году Sakana AI опубликовала проект The AI Scientist — попытку создать систему для автономной генерации научных идей и проведения экспериментов. Тогда это воспринималось как исследовательский демонстратор. Если Кларк меняет прогноз опираясь на динамику бенчмарков, значит, скорость прогресса на этом направлении вышла за рамки «демонстраторов».
Аналитика
Самосовершенствующийся ИИ — это не просто «умная модель, которая учится». Речь о системе, запускающей петлю: генерирует гипотезы о собственном улучшении, проверяет их, обновляет параметры или стратегию обучения, повторяет. Концепцию «взрыва интеллекта» (intelligence explosion) описал математик И. Дж. Гуд ещё в 1960-е — тогда это была теория. Сейчас это операциональный горизонт планирования для топ-лабораторий.
До 2027 года по меркам индустрии осталось очень мало. Компании, которые рассчитывают на пятилетний запас, рискуют просчитаться. Автоматизация сложных исследовательских задач — в биологии, химии, программировании, финансовом анализе — способна ускориться нелинейно, без явного предупреждения. Бизнес-процессы, построенные вокруг «человек генерирует гипотезу и проверяет её вручную», превратятся в конкурентный балласт быстрее, чем кажется.
Важен и источник прогноза. Кларк занимался AI safety ещё до того, как это стало мейнстримом. Когда такой человек сдвигает оценку вперёд — это информация изнутри лабораторий. Это не то же самое, что оптимистичный прогноз от венчурного инвестора.
Кейсы применения в бизнесе
B2B-SaaS стартап: если конкурентное преимущество держится на скорости product-итераций и ручном исследовании гипотез, уже сейчас стоит выстраивать процессы с AI-агентами в центре исследовательского цикла. Агентный режим Claude или GPT позволяет автоматизировать цикл «гипотеза → проверка → следующая гипотеза». Скорость итерации растёт в разы; разрыв с конкурентами, которые этого не делают, накапливается быстро.
Корпорация с legacy: горизонт 2027 означает, что R&D-подразделения, не включившие AI в генерацию гипотез, рискуют оказаться на несколько поколений позади. Прагматичный первый шаг — пилот: взять одну исследовательскую задачу (оптимизация процесса, продуктовый сценарий) и провести её через AI-агента вместо традиционного цикла. Результат первого пилота обычно удивляет именно скоростью.
SMB и локальный бизнес в КР/СНГ: через 1-2 года самосовершенствующиеся компоненты, вероятно, появятся в облачных API — доступных даже небольшим командам. Готовиться к этому не значит «ждать AGI». Это значит уже сейчас перевести операционные процессы в формат, понятный AI: структурированные данные, задокументированные SOP, измеримые KPI. Кто это сделает сейчас — получит фору.
Кейсы в личной жизни
Разработчик: инструменты, уже сегодня предлагающие архитектурные альтернативы и оценивающие компромиссы, — ранние версии того, о чём говорит Кларк. Начните использовать AI не как автодополнение, а как collaborator: «предложи три варианта архитектуры и оцени их» вместо «напиши функцию X». Это меняет характер работы.
Контент-мейкер и фрилансер: если работа строится на исследовании темы плюс генерации идей, горизонт 2027 означает, что автономный исследовательский цикл скоро станет доступным инструментом. Освойте итеративный промпт уже сейчас: один запрос → оценка результата самой же моделью → уточнение. Это миниатюрная версия того, что лаборатории делают в полном масштабе.
Студент и исследователь: бенчмарк P-Zero Research — индикатор того, что AI-ассистенты для научной работы становятся операциональной реальностью. Освоить работу с такими системами сейчас значит получить заметное преимущество через год-два, когда они станут стандартом академической среды.
Как применить сегодня
- Попробуйте многошаговый исследовательский промпт: дайте Claude задачу, попросите сгенерировать три гипотезы, оценить каждую и выбрать лучшую — это рабочая имитация исследовательского цикла прямо сейчас.
- Следите за проектами в жанре «AI Scientist» и бенчмарками автономных агентов — это передний край, и он движется быстро.
- Структурируйте данные и процессы сейчас: когда AI-агенты станут способны автономно улучшать системы, первыми воспользуются те, у кого данные уже в порядке.
- Читайте прогнозы основателей лабораторий не как маркетинг, а как операциональный сигнал: сдвиг таймлайна вперёд у человека внутри — значит что-то изменилось внутри.
- Если вы PM или CTO — добавьте «горизонт самосовершенствующегося AI» в стратегические обсуждения уже в этом квартале, не откладывая до «когда это станет реальным».